در اين تحقيق با استفاده از روش بهينهسازي چندمنظوره گروه ذرات طبقهبندي کنندهاي ارائه شده است که همزمان قادر به بهينهسازي شاخصهاي متفاوت و مهمي در تشخيص الگو نظير قابليت اطمينان، نرخ تشخيص صحيح و تعداد ابرصفحههاي لازم براي مرزبندي مؤثر کلاسهاي متفاوت در فضاي ويژگي چکیده کامل
در اين تحقيق با استفاده از روش بهينهسازي چندمنظوره گروه ذرات طبقهبندي کنندهاي ارائه شده است که همزمان قادر به بهينهسازي شاخصهاي متفاوت و مهمي در تشخيص الگو نظير قابليت اطمينان، نرخ تشخيص صحيح و تعداد ابرصفحههاي لازم براي مرزبندي مؤثر کلاسهاي متفاوت در فضاي ويژگي ميباشد. در طراحي طبقهبندي کننده پيشنهادشده مسايل مهم فوق-برازش و فوق-آموزش نيز برطرف شده است. توانايي دستيابي همزمان به شاخصهاي مذکور در ساير طبقهبندي کنندههاي مبتني بر روشهاي هوش جمعي وجود ندارد. نتايج عملي به دست آمده بر روي دادههاي آزمايشي نشان ميدهند که طبقهبندي کننده چندمنظوره پيشنهادي با تخمين جبهة پَرِتو بهترين مجموعه انتخابي از ابرصفحههاي جداکننده کلاسهاي مختلف را براي برپايي شرايط دلخواه کاربر در خصوص انتخاب شاخصهاي فوقالذکر، فراهم ميآورد.
پرونده مقاله
در این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دستنویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دستنویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگیهای مناسب کمینه میشود. نتایج پیادهسازی نش چکیده کامل
در این مقاله یک روش هوشمند انتخاب ویژگی برای بازشناسی ارقام دستنویس فارسی ارائه شده است. در این روش تابع برازندگی مرتبط با خطای سیستم بازشناسی ارقام دستنویس فارسی با استفاده از الگوریتم جستجوی گرانشی باینری و با انتخاب ویژگیهای مناسب کمینه میشود. نتایج پیادهسازی نشان میدهند که استفاده از روشهای هوشمند برای انتخاب ویژگی بهخوبی قادر است که موثرترین ویژگیها برای سیستم بازشناسی را انتخاب کند. همچنین مقایسه نتایج روش پیشنهادی با سایر روشهای مشابه مبتنی بر استفاده از الگوریتم ژنتیک و روش بهینهسازی گروه ذرات باینری نشان دهندهی کارایی خوب این روش است.
پرونده مقاله
در این تحقیق موضوع جایابی بهینه اتوبوسترها (AVRs) و بازآرایی شبکههاي توزیع به طور همزمان به عنوان یک مسئله بهینهسازي مطرح شده است. یک تابع هدف جدید شامل شاخصهاي تلفات توان حقیقی (اکتیو)، تلفات توان واکنشی (راکتیو)، پروفیل ولتاژ، قابلیت اطمینان، ظرفیت بارگذاري (MVA) چکیده کامل
در این تحقیق موضوع جایابی بهینه اتوبوسترها (AVRs) و بازآرایی شبکههاي توزیع به طور همزمان به عنوان یک مسئله بهینهسازي مطرح شده است. یک تابع هدف جدید شامل شاخصهاي تلفات توان حقیقی (اکتیو)، تلفات توان واکنشی (راکتیو)، پروفیل ولتاژ، قابلیت اطمینان، ظرفیت بارگذاري (MVA) سیستم و پایداري ولتاژ معرفی گردیده است. جهت مقاومنمودن وضعیت کلیدها در موضوع بازآرایی و همچنین مقاومنمودن مکان و تپ اتوبوسترها در مقابل تغییرات بار، سطوح مختلفی از بار به طور همزمان در تابع هدف در نظر گرفته شده است. به همین منظور یک روش جدید براي محاسبه سطوح بار با در نظر گرفتن عدم قطعیت بار معرفی شده است. همچنین بار نیز به صورت مدل وابسته به ولتاژ در نظر گرفته شده و به همین منظور سناریوهاي مختلفی معرفی شدهاند. براي حل این مسئله از الگوریتم بهینهسازي اجتماع ذرات عدد صحیح (IPSO) استفاده شده است. نتایج شبیهسازي روي سیستمهاي توزیع شعاعی 33 و 69شینه استاندارد IEEE مؤثربودن روش ارائهشده را نشان میدهد.
پرونده مقاله
در این مقاله طراحی بهینه ژنراتور سنکرون آهنربای دایم ششفاز جهت استفاده در توربینهای بادی بدون جعبهدنده ارائه شده است. ابعاد و هزینه ساخت زیاد و راندمان کم از معایب ژنراتورهای متصل به توربینهای بادی بدون جعبهدنده به دلیل سرعت نامی پایین میباشد. بنابراین هدف اصلی ای چکیده کامل
در این مقاله طراحی بهینه ژنراتور سنکرون آهنربای دایم ششفاز جهت استفاده در توربینهای بادی بدون جعبهدنده ارائه شده است. ابعاد و هزینه ساخت زیاد و راندمان کم از معایب ژنراتورهای متصل به توربینهای بادی بدون جعبهدنده به دلیل سرعت نامی پایین میباشد. بنابراین هدف اصلی این مقاله طراحی بهینه ژنراتور سنکرون آهنربای دایم بر اساس کاهش تلفات و هزینه ساخت ژنراتور است. به همین منظور ابتدا روابط حاکم بر طراحی ژنراتور سنکرون آهنربای دایم شار شعاعی مورد بررسی قرار گرفته و یک الگوریتم طراحی دقیق برای آن استخراج شده است. سپس با تعریف یک مسأله بهینهسازی چندهدفه، متغیرهای طراحی با استفاده از الگوریتم بهینهسازی ازدحام ذرات در یک محدوده مناسب بهینهیابی شده و حداقل تلفات و هزینه ساخت ژنراتور به دست آمده است. در پایان مقایسهای بین ژنراتور بهینه شده و یک نمونه ژنراتور آهنربای دائم رتور خارجی واقعی انجام شده است که نشاندهنده قابلیتهای بسیار خوب روش طراحی بهینه ارائهشده میباشد. همچنین صحت طراحی بهینه انجامشده به واسطه تحلیل اجزای محدود مورد بررسی قرار گرفته است.
پرونده مقاله
طبقهبندی چندبرچسبی یکی از مسائل مهم در یادگیری ماشین است که کارایی الگوریتمهای این طبقهبندی با افزایش ابعاد مسأله به شدت کاهش مییابد. انتخاب ویژگی، یکی از راهکارهای اصلی برای کاهش ابعاد در مسائل چندبرچسبی است. انتخاب ویژگی چندبرچسبی یک راهکار NP Hard است و
تا کنون چکیده کامل
طبقهبندی چندبرچسبی یکی از مسائل مهم در یادگیری ماشین است که کارایی الگوریتمهای این طبقهبندی با افزایش ابعاد مسأله به شدت کاهش مییابد. انتخاب ویژگی، یکی از راهکارهای اصلی برای کاهش ابعاد در مسائل چندبرچسبی است. انتخاب ویژگی چندبرچسبی یک راهکار NP Hard است و
تا کنون تعدادی راهکار مبتنی بر هوش جمعی و الگوریتمهای تکاملی برای آن ارائه شده است. افزایش ابعاد مسأله منجر به افزایش فضای جستجو و به تبع، کاهش کارایی و همچنین کاهش سرعت همگرایی این الگوریتمها میشود. در این مقاله یک راهکار هوش جمعی ترکیبی مبتنی الگوریتم دودویی بهینهسازی ازدحام ذرات و استراتژی جستجوی محلی برای انتخاب ویژگی چندبرچسبی ارائه شده است. برای افزایش سرعت همگرایی، در استراتژی جستجوی محلی، ویژگیها بر اساس میزان افزونهبودن و میزان ارتباط با خروجی مسأله به دو دسته تقسیمبندی میشوند. دسته اول را ویژگیهایی تشکیل میدهند که شباهت زیادی به کلاس مسأله و شباهت کمتری به سایر ویژگیها دارند و دسته دوم
هم ویژگیهای افزونه و کمتر مرتبط است. بر این اساس، یک اپراتور محلی
به الگوریتم بهینهسازی ازدحام ذرات اضافه شده که منجر به کاهش ویژگیهای غیر مرتبط و افزونه هر جواب میشود. اعمال این اپراتور منجر به افزایش سرعت همگرایی الگوریتم پیشنهادی در مقایسه با سایر الگوریتمهای ارائهشده در این زمینه میشود. عملکرد روش پیشنهادی با شناختهشدهترین روشهای انتخاب ویژگی، بر روی مجموعه دادههای مختلف مقایسه گردیده است. نتایج آزمایشها نشان دادند که روش پیشنهادی از نظر دقت، دارای عملکردی مناسب است.
پرونده مقاله